深入浅出LLamaSharp：打造智能.NET应用，不需GPU也能玩转LLaMA模型

        在如今的.NET社区中，机器学习和人工智能的应用越来越普遍。今天我要给大家推荐一个名叫LLamaSharp的开源项目。这是llama.cpp的C#/.NET绑定，提供了高级的API，使得我们能在本地设备上使用C#/.NET 推理LLaMA模型，并且部署它。

        LLamaSharp支持在Windows、Linux和Mac上运行，无需自己编译llama.cpp。即便在没有GPU或者GPU内存不足的情况下，也能够使用LLaMA模型，这是非常让人兴奋的一点!

        此外，LLamaSharp还提供了与其他项目如semantic-kernel、kernel-memory和BotSharp的集成，以提供更高层次的应用程序。

安装步骤

首先，在NuGet中安装LLamaSharp包：

PM> Install-Package LLamaSharp

然后，根据您的需要安装以下后端之一：

  • LLamaSharp.Backend.Cpu：适用于Windows和Linux的纯CPU，以及适用于Mac的Metal。

  • LLamaSharp.Backend.Cuda11：适用于Windows和Linux的CUDA11。

  • LLamaSharp.Backend.Cuda12：适用于Windows和Linux的CUDA12。

如果这些后端都不适合您的需求，您可以自己编译llama.cpp。在这种情况下，请不要安装后端包！而是将您编译的DLL添加到您的项目中，并确保在编译项目时能够将其复制到输出目录。如果要这样做，您必须使用正确的llama.cpp提交版本，请参考下方的版本表格。

（可选）对于Microsoft semantic-kernel集成，请安装LLamaSharp.semantic-kernel包。

PM> Install-Package LLamaSharp.semantic-kernel

（可选）对于Microsoft kernel-memory集成，请安装LLamaSharp.kernel-memory包（这个包当前只支持net6.0）。

PM> Install-Package LLamaSharp.kernel-memory

选择版本的建议

        由于llama.cpp是一个变动频繁并且常有重大变更的项目，因此LLamaSharp也经常会有突破性的更改。LLamaSharp遵循语义化版本控制，并且不会在补丁版本中引入API的重大变更。

建议尽快更新到最新的补丁版本，同时也尽快更新到新的主版本。


快速开始-模型推理和聊天会话

        LLamaSharp提供了两种运行推理的方式：LLamaExecutor和ChatSession。ChatSession是对executor和模型的更高级别的封装。下面是一个使用chat session的简单示例。

using LLama.Common;
using LLama;


string modelPath = "<Your model path>"; // 请更改为您自己的模型路径
var prompt = "Transcript of a dialog, where the User interacts with an Assistant named Bob. Bob is helpful, kind, honest, good at writing, and never fails to answer the User's requests immediately and with precision.

User: Hello, Bob.
Bob: Hello. How may I help you today?
User: Please tell me the largest city in Europe.
Bob: Sure. The largest city in Europe is Moscow, the capital of Russia.
User:"; // 这里使用“chat-with-bob”提示。


// 加载模型
var parameters = new ModelParams(modelPath)
{
    ContextSize = 1024,
    Seed = 1337,
    GpuLayerCount = 5
};
using var model = LLamaWeights.LoadFromFile(parameters);


// 初始化一个聊天会话
using var context = model.CreateContext(parameters);
var ex = new InteractiveExecutor(context);
ChatSession session = new ChatSession(ex);


// 展示提示内容
Console.WriteLine();
Console.Write(prompt);


// 循环运行推理，与LLM聊天
while (prompt != "stop")
{
    await foreach (var text in session.ChatAsync(new ChatHistory.Message(AuthorRole.User, prompt), new InferenceParams { Temperature = 0.6f, AntiPrompts = [ "User:" ] }))
    {
        Console.Write(text);
    }
    prompt = Console.ReadLine() ?? "";
}


// 保存会话
session.SaveSession("SavedSessionPath");


模型量化

以下示例展示了如何量化模型：

string srcFilename = "<Your source path>";
string dstFilename = "<Your destination path>";
string ftype = "q4_0";
if(Quantizer.Quantize(srcFileName, dstFilename, ftype))
{
    Console.WriteLine("Quantization succeed!");
}
else
{
    Console.WriteLine("Quantization failed!");
}

想了解更多使用方法，请参考示例代码。

Web API

        LLamaSharp提供了ASP.NET core集成以及一个Web应用演示。因为人手不足，如果您熟悉ASP.NET core，将非常感激你能帮助升级Web API集成。

特性

以下是项目中的特性清单：

? LLaMA模型推理

? 生成嵌入、分词和去分词 

? 聊天会话 

? 模型量化

? 语法 

? 状态保存与加载 

? BotSharp集成在线演示 

? ASP.NET core集成 

? Semantic-kernel集成 

?? 微调 

? 本地文档搜索（由kernel-memory启用） 

?? MAUI集成

Console示例

演示程序：demo-console

4d1ca4204aa01a94aa9fb609248589b9.gif

常见问题

  • GPU内存不足：请尝试将n_gpu_layers设置为一个较小的数字。

  • 不支持的模型：llama.cpp正在快速开发中，经常会有重大更改。请检查模型的发布日期，并找到一个合适的LLamaSharp版本进行安装，或者自己生成gguf格式的权重。

  • 无法载入本机库：

    • 确保您已经安装了一个后端包。

    • 在代码最开始处运行NativeLibraryConfig.WithLogs()以打印更多信息。

  • GGUF格式的模型与LLamaSharp兼容。在huggingface上搜索gguf是一个好主意，以找到一个模型。另一个选择是自己生成GGUF格式文件，请参考convert.py获取更多信息。

贡献

        任何贡献都是受欢迎的！在LLamaSharp Dev项目中有一个TODO列表，你可以挑选一个有趣的任务开始。请阅读贡献指南了解更多信息。

        您还可以做以下事情之一，帮助社区改进LLamaSharp：

  • 提交功能请求。

  • star并分享LLamaSharp让更多人知道它。

  • 关于LLamaSharp写博客或演示。

  • 帮助开发Web API和UI集成。

  • 只要打开一个问题，报告你遇到的问题！

        最后，该项目的开源地址是：

https://github.com/SciSharp/LLamaSharp

        大家可以去github上获取该项目更详细的信息。